AIを活用したWeb攻撃検出フレームワークによるペイロード分類の強化

本論文は、ルールベースのWAFの限界に対処する、AI駆動のWeb攻撃検出フレームワークWAMMを紹介しています。データセットの洗練とモデル評価に焦点を当て、マルチフェーズのエンハンスメントパイプラインを使用して攻撃検出の精度を向上させています。この研究は、キュレーションされたトレーニングパイプラインと効率的な機械学習モデルが、従来のメソッドと比較して、より回復力のあるリアルタイムのWeb攻撃検出に有効であることを強調しています。

• •WAMMは、Web攻撃検出のためのAI駆動型フレームワークです。
• •データセットの洗練のために、マルチフェーズのエンハンスメントパイプラインを使用します。
• •XGBoostは、高速な推論で高い精度を達成しました。
• •WAMMは、攻撃検出においてルールベースシステムよりも優れています。